百度快速排名原理及打击算法详解-百度为什么不打击快排？

本来想写一篇百度索引相关的文章，昨天忽然看到百度对快排打击手段的算法专利，小小的分析了一下。

码迷之前从未找到过针对快排作弊的百度专利，该专利2019年4月份发布，7月30号审核过了，才1个月多一点，感觉新颖的很。

 

　　最近也有几个大佬说快排周期有所变长，甚至有些人觉得是惊雷算法3的节奏。

这份百度打击快排的专利，大家可以到码迷SEO官方QQ群734299959去自行下载。

根据百度的节奏，一般专利出现后3个月就开始初步灰度落地，半年左右扩展放阀。也就是估计今年年底做快排的老师们会淘汰一批了。

本文会根据快速排名原理做一下分析，君不闻飓风算法每次升级都哀鸿遍野呀，所以还是未雨绸缪吧。

 

　　相比上一年做快排的老师们都是闷声发大财，今年做快速排名的明显多了起来。只要是个SEO群，里面就有大佬跟迷妹们吆喝“买快排喽，不上首页不要钱”。

 

　　可见百度被技术大佬们嘿嘿嘿的够呛，就连百度论坛里面的一线站长都掩饰不了对百度算法的信心。

 

　　群里面的小伙伴们甚至已经给百度下了定论：百度就是个大垃圾。

 

　　丫的，这年头是个SEO就能做快排的节奏。在这种情况下有些老师也爆出了金句：现在快排泛滥了，这不是好事

 

　　码迷觉得说的真有道理，所谓天道好轮回，苍天到底饶过谁，佛教里面有个概念叫成、住、坏、空。

无论什么SEO技术手段，在生长，维持，颓败中不断演化，最终归为虚无。就像当年的博客外链一样，正当大家搞得如火如荼的时候，百度一个劈叉下马威，把博客外链权重调低，真是“诸行无常”啊，所以我们SEOer应该信佛。。。

我擦，不知不觉跑歪了。

快排原理

很多公众号都讲快排原理，但都讲的什么破原理，把技术手段搬出来讲是什么玩意儿。话说，不识本心，学法无益。

快排的本质是通过模拟点击或者发包(确实有)等技术手段，干扰百度训练结果集，让百度认为你就是最接近用户需求的那个天选之子。

举个例子，老王托媒人找对象，李红娘给老王介绍了6个人老王都不要，请问如果你当老王媒人应该找什么样的人。

1 老王跟A罩杯的某女相亲了5分钟离场

2 老王跟D罩杯的某女相亲了50分钟离场

3 老王跟100斤的某女相亲了100分钟离场

4 老王跟200斤某女相亲了10分钟离场

5 老王跟1米8的某女相亲了3分钟离场

6 老王跟1米6的某女相亲了300分钟离场

那是不是你应该找 36D100斤1米6的姑娘更好些。

回到搜索，百度就是媒人，老王就是用户，200斤的某女就是你的网站，然后你找快排大佬硬生生把老王跟200斤的某女锁在一块度过了N天，百度还天真的认为老王过的很幸福。

 

　　快排手段拆解

快排一个字总结就是“装”，谁在百度面前装的像，谁就牛逼。

比如我搜索“SEO”，我永远离不开header头里面的参数。

 

　　当我点击某个结果网页的时候，除了上面的header头，一堆让人懵逼的参数也要回馈给百度。

 

　　做快排的那帮diao人们，就是在合适的时机，给百度发送这些惟妙惟肖的参数。

但是今天的话题不是教大家做快排，而是分析百度会怎么干翻了那些快排才是重点。

嘿嘿是不是很刺激，这么大的担子落到你身上了，你怕不怕。码迷说不用怕，只要会故事的三要素就行了。

故事的三要素：时间，地点、人物

 

　　打击快排的手段1：人物维度

快排一般会模拟两类用户：非登录用户以及登录用户的行为。对于百度，可以搜到如下数据

【用户单日搜索次数】

如果某一簇用户人均搜索次数均远远超过了平均数，百度会有所察觉。

 

　　【用户行为习惯】

某些快排技术，在做用户滚轮时长、网页下拉的时候，都是固定的值，或者介于一定的范围之内，如果百度能收集到这些数据，也很容易甄别这些异常用户。

 

　　【登录用户非登录用户占比】

从站点维度，如果某个站点，访问的非登录用户远远超过登录用户比例，也很容易甄别这些站点。

【临时用户、常驻用户占比】

当我们使用浏览器访问百度的时候，如果是初次访问，会生成一个永久记录的COOKIE，除非清空浏览器缓存，否则这个COOKIE值一直不变。百度也会根据这个COOKIE来记录用户的历史搜索行为。

某些快排手段因为资源限制，不断的清理COOKIE，切换用户。这些生成时间小于某个时长的用户，就叫“临时用户”。

 

　　网站点击的临时用户占比过大，也不是正常现象啊。

【用户地域穿越行为】

如果某个用户今天12点出现在广东的IP上，12点01分又出现在山东的IP上，13点又出现在美国的IP上，这显然是不合常理的。

这种情况一般出现在那些记录cookie又玩VPS拨号的快排商家中。

 

　　打击快排的手段2：地点维度

模拟用户行为离不开产生数据的方法和装置、那么就永远脱离不了IP、MAC、浏览器、客户端、系统类型等等

【单IP搜索量】

在IPv6之前，ip资源永远是稀缺的。如果一个IP每天产生搜索点击超过了平均数，这点在百度惊雷算法2中已经能够识别了。

 

　　【IP资源有效性】

群里大佬也说，现在即使是VPS拨号重复率也很高。因为现在百度已经可以识别你是代理IP以及机房IP，所以并非所有的IP有效果。

码迷在百度的同学反馈，在2018年中惊雷算法2已经对快排有所打击，最先打击的手段就是IP资源识别。

 

　　但是，IP资源并不是重点，比如一个公司局域网500号人，出口都是1-5个IP，这500号人的点击，百度并不是100%的认为无效。

所以如果大佬有能力跟宽带商合作，即使IP资源不多也非常有效果。

【终端信息熵】

信息熵是什么，一个系统越是有序，信息熵就越低;反之，一个系统越是混乱，信息熵就越高。因此可以认为信息熵是系统有序化程度的一个度量。

有同学问，这玩意跟快排有毛关系。

无论是发包还是类浏览器模拟，都必须携带header头、cookie等等请求百度服务器。

如果是随机生成的header头，header信息熵必然混乱，信息熵就很高。

如果是固定的header头，header信息熵必然有序，信息熵就很低。

终端信息熵总有一个健康的阀值，根据这个健康的阀值范围，百度也应该甄别一类快排作坊。

 

　　【终端分布比例】

随着4G的普及，其实绝大多数行业都是移动端的访问量多于PC端的，如果某个行业PC端访问量远远高于手机端，那么很可能有快排干扰。

怎么打击，如果你的网站跟行业终端分布比例出路太大，你等着吧。百度肯定是掌握这部分数据的，但是内部协调推进是另一回事了哈哈哈。

 

 

　　打击快排的手段3：时间维度

这块码迷只想到一点，欢迎补充

【用户路径行为分析】

柏拉图说的好啊：我从哪里来，要到哪里去。这是个哲学问题，跟丫的快排有毛关系。举个例子。

真老王今天访问的你的网站，怎么来的，是这样的：

真老王第1步搜：胸闷气短怎么回事(老王觉得胸闷气短，搜了一段怀疑是肺炎)

真老王第2步又搜：肺炎什么症状(看了一下肺炎不太像，看到了肺结核的相关资料)

真老王第3步又搜：肺结核症状(看了肺结核症状，我擦，怎么这么像?)

真老王第4步又搜：肺结核那家医院好(终于找到了一家莆田系hospital)

真老王第5步到达你的网站，献出了宝贵的绳命

某快排模拟假老王可能是这样的：

假老王第1步搜：肺结核那家医院好

假老王第2步：打开其他家网站，秒关

假老王第3步：打开你家网站，访问了好长时间

显然，真老王的行为自然性要比假老王 可靠的多得多。

 

　　在机器学习中，与用户路径算法相关的向量模型也不少，百度通过真实用户聚类出路由训练集，也可以区分那些简单脑残的点击行为哦。

百度专利解读

百度在2019年4月29提交了打击快排算法相关的专利：《CN201910352770.5 用于处理点击行为数据的方法和装置》

打击的范围：主要是泛域名、寄生虫站点等。(很符合百度特点、先小范围测试哦)

 

　　专利使用的算法

机器学习，主要是从【设备标识】、【用户路径行为分析】两个维度，做聚类分析，前期用人工标示黑帽样本集以及白帽样本集，后期开砍~

 

 

　　被打击的对象

鉴于聚类算法的特点，那些点击路径类似于上面案例中“假老王”的访问方法，估计会被打的渣渣都不剩。

以后如何做好快排

引用群里大佬的一句话：钱加技术

 

　　百度已经开了打击快排的第一枪，码迷觉得百度的打击算法很高大上，毕竟百度的猿们也不是吃素的。

这次专利虽然看起来打击的范围有限，但是从IP终端到用户的访问路径均有提及。百度这次行动，码迷觉得主要目的是黑帽、白帽SEO点击样本的搜集，要不不会存在后端人员做样本库人工标示。

等百度样本搜集完成，经小范围测试后，如果打击效果不错，再灰度扩容。意味着那个时候，如果凭有限的终端资源、不严谨的模拟参数都会被百度检测出来，如果那时候做快速排名的老师们再不做技术资源升级，真的渣渣都不剩了。